En este documento, proponemos una red densa residual profunda para la superresolución de imágenes individuales. Basándonos en las características perceptuales humanas, se explota la estrategia de bloque residual en bloque denso residual para implementar diversas profundidades en las arquitecturas de red. El modelo propuesto exhibe una estructura secuencial simple que comprende bloques residuales y densos con conexiones de salto. Mejora la estabilidad y la complejidad computacional de la red, así como la calidad perceptual. Adoptamos una métrica perceptual para aprender y evaluar la calidad de las imágenes reconstruidas. El modelo propuesto se entrena con el conjunto de datos Diverse2k, y el rendimiento se evalúa utilizando conjuntos de datos estándar. Los resultados experimentales confirman que el modelo propuesto muestra un rendimiento superior, con mejores resultados de reconstrucción y calidad perceptual que los métodos convencionales.